Guide de démarrage rapide : Seeed Studio reCamera avec Ultralytics YOLO11
reCamera a été présenté à la communauté de l'IA lors de YOLO Vision 2024 (YV24), l'événement hybride annuel d'Ultralytics. Il est principalement conçu pour les applications d'IA en périphérie, offrant de puissantes capacités de traitement et un déploiement sans effort.
Grâce à la prise en charge de diverses configurations matérielles et de ressources open source, elle constitue une plateforme idéale pour le prototypage et le déploiement de solutions de vision par ordinateur innovantes en périphérie.
Pourquoi choisir reCamera ?
La série reCamera est spécialement conçue pour les applications d'IA en périphérie, adaptée pour répondre aux besoins des développeurs et des innovateurs. Voici pourquoi elle se distingue :
-
Performance optimisée par RISC-V : Son cœur est le processeur SG200X, construit sur l’architecture RISC-V, offrant des performances exceptionnelles pour les tâches d’IA en périphérie tout en maintenant l’efficacité énergétique. Avec la capacité d’exécuter 1 000 000 000 d’opérations par seconde (1 TOPS), il gère facilement les tâches exigeantes comme la détection d’objets en temps réel.
-
Technologies vidéo optimisées : Prend en charge les normes de compression vidéo avancées, notamment H.264 et H.265, afin de réduire les besoins en stockage et en bande passante sans sacrifier la qualité. Des fonctionnalités telles que l'imagerie HDR, la réduction du bruit 3D et la correction de l'objectif garantissent des visuels professionnels, même dans des environnements difficiles.
-
Double traitement économe en énergie : Alors que le SG200X gère les tâches complexes d'IA, un microcontrôleur 8 bits plus petit gère les opérations plus simples pour économiser l'énergie, ce qui rend la reCamera idéale pour les configurations alimentées par batterie ou à faible consommation.
-
Conception modulaire et évolutive : La reCamera est construite avec une structure modulaire, composée de trois composants principaux : la carte centrale, la carte de capteur et la carte de base. Cette conception permet aux développeurs d’échanger ou de mettre à niveau facilement les composants, assurant ainsi la flexibilité et l’évolutivité des projets.
Configuration matérielle rapide de reCamera
Veuillez suivre le Guide de démarrage rapide de reCamera pour l’intégration initiale de l’appareil, par exemple, connecter l’appareil à un réseau Wi-Fi et accéder à l’interface utilisateur Web Node-RED pour un aperçu rapide des résultats de la détection.
Inférence à l'aide de modèles YOLO11 préinstallés
reCamera est préinstallé avec quatre modèles Ultralytics YOLO11 et vous pouvez simplement choisir le modèle souhaité dans le tableau de bord Node-RED.
- Détection (YOLO11n)
- Classification (YOLO11n-cls)
- Segmentation (YOLO11n-seg)
- Estimation de la pose (YOLO11n-pose)
Étape 1 : Si vous avez connecté reCamera à un réseau, saisissez l'adresse IP de reCamera sur un navigateur Web pour ouvrir le tableau de bord Node-RED. Si vous avez connecté le reCamera à un PC via USB, vous pouvez saisir 192.168.42.1
. Ici, vous verrez que le modèle de détection YOLO11n est chargé par défaut.
Étape 2 : Cliquez sur le cercle de couleur verte dans le coin inférieur droit pour accéder à l'éditeur de flux Node-RED.
Étape 3 : Cliquez sur le model
nœud et cliquez sur On Device
.
Étape 4 : Choisissez l'un des quatre modèles YOLO11n préinstallés et cliquez sur Done
. Par exemple, nous allons sélectionner ici YOLO11n Pose
Étape 6 : Cliquez sur Deploy
et lorsque le déploiement est terminé, cliquez sur Dashboard
Vous allez maintenant pouvoir voir le modèle d'estimation de pose YOLO11n en action !
Exporter vers cvimodel : Conversion de votre modèle YOLO11
Si vous souhaitez utiliser un modèle YOLO11 entraîné sur mesure et l'utiliser avec reCamera, veuillez suivre les étapes ci-dessous.
Ici, nous allons d'abord convertir PyTorch
modèle vers ONNX
puis convertissez-le en MLIR
format de modèle. Enfin, MLIR
sera converti en cvimodel
afin de faire de l'inférence sur l'appareil
Exporter vers ONNX
Exporter un modèle Ultralytics YOLO11 au format de modèle ONNX.
Installation
Pour installer les packages requis, exécutez :
Installation
pip install ultralytics
Pour des instructions détaillées et les meilleures pratiques relatives au processus d'installation, consultez notre guide d'installation Ultralytics. Si vous rencontrez des difficultés lors de l'installation des packages requis pour YOLO11, consultez notre guide des problèmes courants pour obtenir des solutions et des conseils.
Utilisation
Utilisation
from ultralytics import YOLO
# Load the YOLO11 model
model = YOLO("yolo11n.pt")
# Export the model to ONNX format
model.export(format="onnx", opset=14) # creates 'yolo11n.onnx'
# Export a YOLO11n PyTorch model to ONNX format
yolo export model=yolo11n.pt format=onnx opset=14 # creates 'yolo11n.onnx'
Pour plus de détails sur le processus d'exportation, consultez la page de la documentation Ultralytics sur l'exportation.
Exporter ONNX vers MLIR et cvimodel
Après avoir obtenu un modèle ONNX, consultez la page Convertir et quantifier les modèles d'IA pour convertir le modèle ONNX en MLIR, puis en cvimodel.
Remarque
Nous travaillons activement à l'ajout de la prise en charge de reCamera directement dans le package Ultralytics, et elle sera bientôt disponible. En attendant, consultez notre blog sur l'intégration des modèles Ultralytics YOLO avec reCamera de Seeed Studio pour plus d'informations.
Bancs d'essai
Bientôt disponible.
Applications concrètes de reCamera
Les capacités avancées de vision par ordinateur et la conception modulaire de reCamera la rendent adaptée à un large éventail de scénarios réels, aidant les développeurs et les entreprises à relever facilement des défis uniques.
-
Détection de chute : Conçue pour les applications de sécurité et de santé, la reCamera peut détecter les chutes en temps réel, ce qui la rend idéale pour les soins aux personnes âgées, les hôpitaux et les environnements industriels où une réponse rapide est essentielle.
-
Détection des équipements de protection individuelle : La reCamera peut être utilisée pour assurer la sécurité sur le lieu de travail en détectant la conformité aux EPI en temps réel. Elle aide à identifier si les travailleurs portent des casques, des gants ou d'autres équipements de sécurité, réduisant ainsi les risques dans les environnements industriels.
-
Détection d’incendie : Les capacités de traitement en temps réel de reCamera en font un excellent choix pour la détection d’incendie dans les zones industrielles et résidentielles, fournissant des alertes précoces pour prévenir les catastrophes potentielles.
-
Détection des déchets : Il peut également être utilisé pour les applications de détection des déchets, ce qui en fait un excellent outil pour la surveillance environnementale et la gestion des déchets.
-
Détection de pièces automobiles : Dans les industries manufacturières et automobiles, elle aide à détecter et à analyser les pièces automobiles pour le contrôle de la qualité, la surveillance de la chaîne de montage et la gestion des stocks.
FAQ
Comment puis-je installer et configurer reCamera pour la première fois ?
Pour configurer votre reCamera pour la première fois, suivez ces étapes :
- Branchez la reCamera à une source d'alimentation.
- Connectez-la à votre réseau WiFi à l’aide du Guide de démarrage rapide reCamera
- Accédez à l'interface utilisateur web de Node-RED en entrant l'adresse IP de l'appareil dans un navigateur web (ou utilisez
192.168.42.1
si connecté via USB) - Commencez à utiliser immédiatement les modèles YOLO11 préinstallés via l'interface du tableau de bord
Puis-je utiliser mes modèles YOLO11 entraînés personnalisés avec reCamera ?
Oui, vous pouvez utiliser des modèles YOLO11 entraînés sur mesure avec reCamera. Le processus implique :
- Exporter votre modèle PyTorch au format ONNX en utilisant
model.export(format="onnx", opset=14)
- Convertir le modèle ONNX au format MLIR
- Convertir le MLIR au format cvimodel pour l'inférence sur l'appareil
- Chargez le modèle converti sur votre reCamera
Pour des instructions détaillées, consultez le guide Convertir et quantifier les modèles d'IA.
Qu'est-ce qui différencie reCamera des caméras IP traditionnelles ?
Contrairement aux caméras IP traditionnelles qui nécessitent du matériel externe pour le traitement, reCamera :
- Intègre le traitement de l'IA directement sur l'appareil avec son processeur RISC-V SG200X
- Offre 1 TOPS de puissance de calcul pour les applications d'IA en périphérie en temps réel
- Dispose d'une conception modulaire permettant des mises à niveau et une personnalisation des composants
- Prend en charge les technologies vidéo avancées telles que la compression H.264/H.265, l'imagerie HDR et la réduction du bruit 3D.
- Livré pré-installé avec les modèles Ultralytics YOLO11 pour une utilisation immédiate
Ces caractéristiques font de reCamera une solution autonome pour les applications d'IA en périphérie sans nécessiter de matériel de traitement externe supplémentaire.